依存リポジトリ管理でのsubmodule/subtree/subrepoの使い分け - Qiita
依存ライブラリを利用する場合RubyGemsやらCocoaPodsといったツールで万事解決するケースがほとんどだと思いますが、たまーにGitに上がっているライブラリを直接自分のリポジトリに追加しないといけない場合もあったりします。 こういった時に使うGitのサブコマンドそれぞれの特徴と使いどころをまとめてみました。 一番スタンダードな外部リポジトリ追加方法です。たぶん大抵の依存管理ではこれを使えば十分でしょう。git-submoduleを利用すると、外部リポジトリのコード自体は自プロジェクトの管理下に取り込まれず、リポジトリの特定コミットへの参照情報のみが登録されます。外部リポジトリのcommit hashへのポインタが追加されるようなイメージです。 $ git submodule add git@github.com:Alamofire/Alamofire.git $ git diff
医療分野での文埋め込みモデルの比較 - Qiita
前書き ChatGPTなどの大規模言語モデル(LLM)では，Hallucinationが課題の一つです． 医療など内容の正確性が求められる分野では特に重要な課題で，LLMに外部データベースから正確な情報を与えた上で， 生成を行うRetrieval augmentation Generation (RAG)が対策方法の一つになります． RAGでは，関連する情報を正確に検索する必要があり，文章の正確な意味を反映した埋め込み表現を得ることができる文埋め込みモデルが重要です． そこで，医療分野の日本語の文章に対して，文埋め込みモデルをSemantic Textual Similarity(STS)タスクで比較・検証してみます． 1. 方法 1.1. 検証対象のモデル とりあえず目に付いた以下の5つのモデルを使います． OpenAI/text-embedding-ada-002以外はすべてHuggi
【Object Detection】物体検出AIを学習させるコツ - Qiita
目次 1. はじめに 2. 物体検出AIとは 3. 物体検出AIは使えるのか 4. データ収集 5. アノテーション 6. モデル選定 7. 評価指標 8. 学習 9. おわりに 1. はじめに 本記事では、深層学習に基づく物体検出AIを使用する場合のコツについて経験で得た知見をまとめました。 物体検出で最も広く知られているであろう参考文献はyolov3のwikiにあるTips for Best Training Resultsだと思います。このガイドラインに沿って、筆者の知見も合わせて解説します。 2. 物体検出AIとは 物体検出(Object Detection AI) は、画像やビデオ中の物体を検出し、それらの物体の位置を示す技術のことです。この技術は、画像分類とは異なり、単に画像内に含まれる物体の種類を判別するのではなく、物体の具体的な位置も同時に検出することができます。 基本的に
オープンソースライセンス、どれなら使っても良いの？？ - Qiita
定期的に調べては忘れているので覚書です。 結論 MIT、BSD、Apacheライセンスなどの非コピーレフトライセンスを使いましょう。 企業として使うなら、特許条項のあるApacheライセンスが一番安心ですかね。 BSDの場合、バージョン確認は行いましょう。 GPL系ライセンスは注意しましょう。 参考サイト http://ounziw.com/2013/05/17/agpl/ http://www.catch.jp/oss-license/2013/09/10/github/ https://www.sbbit.jp/article/cont1/34811 https://jp.linux.com/linux-community/blog/236-mirainoitsuka/411872 ライセンスごとの違い ほとんどのライセンスに共通しているのは、 自己責任で使ってね 商用利用可 修正・配
誰も教えてくれなかったMySQLの障害解析方法 - Qiita
それほどDBに詳しくないアプリエンジニアが何かトラブった時にすぐさま行動して問題把握できるようになる情報を列挙しておきます。 開発時、障害時の対処療法やちょっとした定期監視方法などを対象にしています。 抜本的な対策などはインフラエンジニアさんにお任せしたほうがいいと思います。 DBはいろんな意味でこわいんでできれば触りたくないです＞＜ 事前確認 MySQLサーバーのシステム設定値を確認しておく 以下のようにサーバーのシステム設定値を確認できます。 mysql> SHOW GLOBAL VARIABLES; # ワイルドカード(%)を用いた絞り込み mysql> SHOW GLOBAL VARIABLES LIKE 'performance_schema%'
リリース手法多すぎﾜﾛﾀｧ B/G、カナリア、機能フラグ、ダークローンチ、A/Bテスト、、など - Qiita
この記事でCloudWatch Evidentlyについて調べていると、「機能フラグ」や「A/Bテスト」などインフラエンジニアには若干聞き慣れないリリース用語が出てきました。 アジャイル開発やCI/CDの台頭に伴い多数出現したこれらのリリース戦略用語をまとめて整理してみることにします。 インフラエンジニアやSREと呼ばれるロールの方々も、リリース戦略を知っておくとCI/CD環境の構築やIaC、はたまたミドルウェアのバージョンアップなどで役立つと思います。 以下ウェブサイトを参考に、各用語を「デプロイ戦略」と「テスト戦略」の大きく2つに分けて紹介します。 デプロイ戦略 従来型のデプロイ（インプレースデプロイ） システム本番環境が一種類のみ存在し、新バージョンの資材デプロイによって旧バージョンの資材を上書いてしまうパターンです。 環境の設計や管理、維持コストをシンプルに抑えられるメリットがあり
UNIXのリダイレクトについてのまとめ - Qiita
コマンドの実行結果をファイルなどに残す場合にリダイレクト（>）をよく使うと思うが、 使用方法について色々あり、毎回ググってる気がするのでまとめてみた。 標準エラーと標準出力について 今更だがUNIXでは標準エラー出力と標準出力が存在する。 一般的に各コマンドのエラーなどは標準エラーに吐かれる。
インフラエンジニアとしてよく使うコマンド集 - Qiita
私がよく使うコマンド集となります。 参考に頂けたら幸いです。 随時更新するかと思います。 コマンドを打つ前に覚えておく事 ①サーバに負荷がかかるコマンドを打つ場合、下記をコマンドの先頭に付けましょう $ ionice -c 2 -n 7 nice -n 19 # -c 2：ディスクI/Oの実行優先度をベストエフォートで実行 # -n 7：さらにこのコマンドの優先度を低くする # -n 19：プロセスの実行優先度を一番低くする
階層構造を持つデータの可視化 - Qiita
社会に存在するデータのうち、たとえばこのようなデータが該当する。 - コンピュータOSが管理するファイルシステムにおけるファイルとディレクトリの関係 - 書籍の構造（部、章、節） - レガシーな会社組織（社長、部長、課長） - 生物の分類法 - 文献学（philology） 表現方法 大きく三つに分ける。 隣接関係・ダイアグラム（Adjacency diagrams）...入れ子（nested） アイシクル・ツリー（Icicle Tree） サンバースト・チャート（Sunburst Chart） エンクロージャー・ダイアグラム（Enclosure diagrams）...入れ子（nested） ツリーマップ（Treemaps） サークルパッキング（Circle Packing） ノードリンク・ダイアグラム（Node-link diagrams）...積み重ね（stacked） Dendro
【シェル芸人への道】Bashの変数展開と真摯に向き合う - Qiita
はじめに 個人的なシェル(スクリプト)あるあるなんですが、変数操作に悩んでいるとBashの 変数展開 って思った以上に色んなことができてしまうことに気がつきます。 「なんかいい感じの書き方ないかなー」 「cut, tr, sed, awk, ...、まぁできるのは間違いないんだけど」 「うーん」ｸﾞｸﾞﾘ― (10分後) 「えっ、変数展開...？(怪訝)」ﾎﾟﾁﾎﾟﾁ 「...」ｶﾀｶﾀ 「いけるやん！！！」 ってことが結構あります。皆さんもこういった経験少なからずあるのではないでしょうか。 （そして今もまさにそういう記憶・期待があるから、変数展開について少し調べている...そんなところかと推察します） 毎回調べるのも感動があっていいと思うんですが、もはや衝動を押さえきれないので 全部調べたい と思います。 Bashのバージョンは 4.3.48(1) でしたが、そうそう変わるような内容でも
クローラ作成に必須！XPATHの記法まとめ - Qiita
最近クローラーを作成する機会が多く、その時にXPathが改めて便利だと思ったので XPathについてまとめてみました！ XPathを学ぶ方の役に立てれば幸いです。 初級編 XPathとは XPathはXML文章中の要素、属性値などを指定するための言語です。 XPathではXML文章をツリーとして捉えることで、要素や属性の位置を指定することができます。 HTMLもXMLの一種とみなすことができるため、XPathを使ってHTML文章中の要素を指定することができます。 例えば、 <html> ... <body> <h1>ワンピース</h1> <div class="item"> <span class="brand">iQON</span> <span class="regular_price">1,200円</span> <span class="sale_price">1,000円</sp
pyenvでのPython仮想環境の作り方まとめ - Qiita
Pythonのバージョンを管理する。2系と3系の環境分けだけでなく、3.4と3.5の環境分けなども含む。 基本的には手動でバージョンを切り替えることになるが、特定のディレクトリに移動すると自動でバージョンを切り替えるようにする設定(pyenv local) などもよく使われている。 virtualenv Pythonのパッケージを管理する。Pythonそのもののバージョンは管理しない。 例えば、Django1.8 系を入れた環境と Django1.9系を入れた環境を分けたいときに使う。 pyenv-virtualenv virtualenv を プラグインとして pyenv に組み込んだもの。→ Python のバージョンそのものの管理 + その中でパッケージの管理ができる。 使途の整理 2つの仮想環境の作り方（virtualenv系 と conda env系） Pythonの仮想環境を作
iptablesコマンドの使い方 - Qiita
[root@server ~]# cat /etc/redhat-release CentOS Linux release 7.3.1611 (Core) [root@server ~]# uname -r 3.10.0-514.el7.x86_64 192.168.0.0/24 client --------------------- server .110 .10 ``` #3 チェインとは? チェインは、ルールの集合です。 ルールは、ある条件にマッチしたらパケットを廃棄する、といった規則のことです。 チェインは、OS内に5箇所あります。5つのチェインは、組み込みチェインと呼ばれています。 ・PREROUTING ・INPUT ・OUTPUT ・POSTROUTING ・FORWARD なお、チェインはiptables利用者が独自に定義することも可能です(ユーザ定義チェイン)。 #4
VRChatと外部世界を繋ぐインターフェース - Qiita
VRC_Panorama これは比較的メジャーなインターフェースですね。VRChat SDK上ではアクションとして設定できます。あらかじめURLを設定しておくと、アクションが実行されるタイミングでURLにアクセスして画像を取得、テクスチャとしてマッピングできます。都度、外部のサーバにアクセスするため動的にテクスチャを適用でき、かつてのWebPanelの代替手段として使用されるケースが多い印象です。 また、複数のURLも設定可能です。uGUIなどから指定の関数を叩くと画像を切り替えることも可能ですが、今回のテーマからは逸れるので、ご紹介は割愛します。 処理の分化 このVRC_Panorama、ざっくり言えば画像を取得するためのインターフェースなのですが、実質的には2つの処理に分けられます。 - 指定のURLにアクセスする - 画像を受け取って、テクスチャとして貼り付ける 全体で見ればV2Vに
リモートワークのいま学びたい、GitLab Handbookと徹底した文書化への狂気 - Qiita
1200人以上の全社員がリモートワーク。GitLabが公開する「リモートワークマニフェスト」は何を教えているか？ スケールする組織を支えるドキュメンテーションの技術を”GitLab Handbook”から学ぶ その コメント GitLab Handbookで面白かったもの@コミュニケーション編 GitLabのリモート統括責任者が語る 日本企業が「まずやるべきこと」 を読んだ。主題はGitLab社の https://about.gitlab.com/handbook/ である。 2022.02追記 GitLabで学んだ最高の働き方 Developers Summit 2022-02-18 2022.01追記 リモートワークのいま学びたい、GitLab Handbook非同期コミュニケーションのススメ - Qiita Handbook要点 「GitLab社ではリモートワークの中でも生産性高く働
【まとめ】ディープラーニングを使った異常検知 - Qiita
ディープラーニングを使った異常検知が進歩していますが、最新情報を追うのが大変です。 ここでは、最新情報をまとめておきます（随時更新）。 本稿では、以下の内容を記します。 ディープラーニングを使った異常検知について、簡単に歴史をまとめます。 最新の手法（2019年当時）について、ベンチマークを行います。 歴史 完全に独断と偏見で作った歴史です。 全ての論文は読めていないので、ご了承ください。 【～2017年】オートエンコーダによる異常検知 オートエンコーダによる異常検知 2、3年前はオートエンコーダによる異常検知が主流でした。オートエンコーダでは、元画像と再構築画像との差をとって、その和が大きいとき異常と認識させています。Qiitaの記事でも、オートエンコーダによる異常検知はたくさんありますので、気になる人は探してみてください。 Variational AutoEocoder（VAE）による
CVPR2019でPerson Re-Identificationの話をしている論文全てに1人で目を通す - Qiita
記念すべきQiita初投稿です リサーチインターンでPerson Re-Identificationというタスク(後述)についてサーベイをすることになりました。 さっと眺めてみたところ案の定ここ数年で深層学習モデルが火を吹き、Market-1501やDukeMTMC-reIDやMARSなどメジャーなデータセットにおいてSoTAをバチバチと競っていました。 研究はサーベイしないと何していいか全く分からないので、こと激流の真っ只中にある機械学習界隈においては最新の研究を大量にサーベイすればするほど幸せになれると思います。 そんな時にちょうどいい(？)のがCVPR2019ですね(？) 「person」で検索して出てきた掲載論文を上から順に、時間の許す限り1人粛々とまとめていきます。 (下書き開始から約1ヶ月後に追記)一応全て目を通し掲載できました。 なお目的としては現状把握が強めのため、さらっと
M1 Macの開発環境 - Qiita
MacBook Pro (M1)でのメモです。インストールできるかどうか状況確認メモです。 自分がよく使うものを中心に。なるべくARMネイティブになるように。もしプライマリーで提供されているインストール手段（.dmg利用など）でARM対応が済んでいればそれを紹介しますが、もしそれで対応していない場合にはMacPortsやソースビルドなどの結果も合わせて紹介します。 PowerPC->x86->x86_64とユニバーサルバイナリを挟んで対応してきたMacPortsはこういう過渡期に強いです。 なお、ここで紹介するバージョンは最新版から古い可能性がありますが、「M1サポートが追加された前後のバージョン」を明記するのを目標にしていますので、これより新しければ問題ないと見てもらえればと思います。 編集リクエストウェルカムです。 現在の状況 IDE/エディタ Eclipseはあまりきちんと試していま
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
YOLOシリーズの著者とリンク集（2023/01のv8まで） - Qiita
Serverless Frameworkの使い方まとめ - Qiita
